a16z Podcast

Dreizehn Billionen Dollar an Verbraucherschulden werden derzeit über Altsysteme abgewickelt, die bereits vor der Erfindung des Internets entwickelt wurden. Dieser erschreckende Mangel an Innovation ist das Fundament, auf dem Valon aufgebaut wurde. Anstatt zu versuchen, etablierten Unternehmen, die an Mainframes aus der Mitte des Jahrhunderts gebunden sind, eine „hübsche Benutzeroberfläche“ zu verkaufen, wählten Linda Doo und Andrew Wang den mühsamen Weg, selbst ein lizenzierter Hypothekendienstleister zu werden. Indem sie das Geschäft zunächst operativ führten, gelang es ihnen, eine historisch margenschwache Branche in ein margenstarkes Software-Geschäft zu verwandeln. Damit bewiesen sie, dass die „Rohre“ der Finanzdienstleistungen das eigentliche Nadelöhr für ein besseres Kundenerlebnis waren.

Der Weg zur Disruption dieses Sektors war geprägt von dem, was die Gründer als „Schmerz und Leiden“ als Wettbewerbsvorteil (Moat) bezeichnen. Um ein System von Grund auf neu zu entwickeln, musste das Team Jahrzehnte an Bundes- und Landesvorschriften manuell in Code überführen. Im Wesentlichen wurde jedes Gesetz in fünfzig verschiedenen Bundesstaaten gelesen, um ein programmierbares Framework für Compliance zu schaffen. Diese obsessive Liebe zum Detail löste ein kritisches menschliches Problem: Altsysteme scheitern oft daran, den vollständigen Kontext der Historie eines Darlehens zu erfassen. Für eine trauernde Familie, die versucht, die Hypothek eines verstorbenen Elternteils zu regeln, ist der Unterschied zwischen einem Altsystem und Valon der Unterschied zwischen der Aussage „Sie sind nicht der Kreditnehmer, wir können Ihnen nicht helfen“ und einem nahtlosen, kontextbewussten Übergang der Unterlagen.

Mit dem Aufkommen generativer KI bewegt sich Valon über die bloße Effizienz hinaus in eine Welt von „orchestrierten Agenten“. Während traditionelle Automatisierung nur deterministische Aufgaben bewältigt, ermöglicht KI es Dienstleistern nun, „Mini-Armeen“ von Agenten einzusetzen, um komplexe, nicht-lineare Arbeitsabläufe zu steuern – etwa die Kommunikation mit Hausbesitzern nach einer Naturkatastrophe. Dies verschiebt die Branche weg von einem commoditized, standardisierten Ansatz hin zu einer spezialisierten Vorgehensweise, bei der Dienstleister „Champion-Challenger“-Tests mit verschiedenen Kommunikationsstrategien durchführen können, um zu sehen, welche tatsächlich die Ergebnisse für die Hausbesitzer verbessert.

Letztendlich betrachten die Gründer die Hypothekenverwaltung als Blaupause für alle stark regulierten Branchen. Sie argumentieren, dass „alles Servicing ist“ – vom Revenue Cycle Management in Krankenhäusern bis hin zu Gewerbeimmobilien. Indem Valon zuerst den schwierigsten, zähesten und am stärksten regulierten Sektor meisterte, hat das Unternehmen eine Datenontologie und ein operatives Gerüst geschaffen, das auf jede kritische Infrastruktur angewendet werden kann, bei der es um Geldflüsse und Regulierung geht. Der Übergang von einem Dienstleistungsunternehmen zu einem Softwareanbieter war eine bewusste Entscheidung: Weg von der bloßen Generierung von „Alpha“ für sich selbst, hin zur grundlegenden Instandsetzung der defekten Infrastruktur des globalen Finanzsystems.

Überraschende Erkenntnisse

• Die „Finger-in-der-Luft“-Mathematik: Trotz der wahrgenommenen Komplexität der Hypothekenfinanzierung entdeckte Andrew Wang, dass viele hochrangige Vorfälligkeitsmodelle mehr auf Vermutungen als auf der stochastischen Analysis basieren, die an Universitäten gelehrt wird.


• Regulierung als Schutzwall: Der effektivste Wettbewerbsvorteil war kein geheimer Algorithmus, sondern die „Zähigkeit“, die nötig war, um Tausende von Seiten an landesspezifischen Gesetzen manuell zu lesen und zu codieren.


• Das Servicing-Schlupfloch: Um in Kalifornien eine Lizenz zu erhalten, musste das Team einen spezifischen Ausschluss über das Maklergeschäft des Department of Real Estate nutzen, da typische behördliche Genehmigungen zu langsam waren.


• Margen als Waffe: Valon nutzte seine massive technologische Effizienz, um die Preise für Vermögensverwalter zu senken und so den Markt zu zwingen, zu kapitulieren und von den etablierten Altsystemen zu wechseln.


• Die „Alles ist Servicing“-Theorie: Das Revenue Cycle Management im Gesundheitswesen ist im Grunde dasselbe operative Problem wie die Hypothekenverwaltung – die Steuerung von Geldflüssen innerhalb eines strengen regulatorischen Rahmens.


• Die menschlichen Kosten schlechter Daten: Mangelnde historische Datentreue in Altsystemen zwingt Menschen in Krisensituationen (z. B. nach einem Todesfall in der Familie) oft dazu, ihr Trauma wiederholt zu schildern, nur um Basisinformationen zu erhalten.

Praktische Lehren

• Übernehmen Sie das operative Risiko: Wenn Sie eine stark regulierte Branche disruptieren wollen, ziehen Sie in Betracht, zuerst selbst zum Betreiber zu werden. Dies verhindert, dass Sie zu einem bloßen „Feature“ eines Altsystem-Kunden werden, und ermöglicht es Ihnen, das Produkt basierend auf realen Schmerzpunkten zu bauen.


• Priorisieren Sie ein „System of Record“: KI-Agenten sind nur so gut wie die Daten, auf die sie zugreifen. Konzentrieren Sie sich auf den Aufbau einer sauberen, organisierten Datenontologie, bevor Sie KI-Funktionen aufsetzen.


• Anreize an Ergebnisse koppeln: Um skeptische Unternehmenskunden zu gewinnen, sollten Verträge auf Ergebnissen basieren (z. B. ein Prozentsatz der eingesparten Kosten) statt auf pauschalen Lizenzgebühren.


• „Korrektheit“ über „Kreativität“ stellen: In stark regulierten Bereichen sollten KI-Systeme so konfiguriert werden, dass sie „Ich weiß es nicht“ sagen, anstatt eine Antwort zu halluzinieren, da die Kosten einer falschen Antwort weitaus höher sind als die Kosten einer fehlenden Antwort.


• Fokus auf Change Management: Wenn Sie Technologie in großen Organisationen implementieren, erkennen Sie an, dass die primäre Hürde nicht die Software ist, sondern das „Change Management“ von Tausenden von Mitarbeitern mit unterschiedlichen Zielvorgaben.


• Auf Ambiguität bauen: Stellen Sie Personen mit hoher Eigeninitiative („high agency“) ein, die in unklaren Situationen aufblühen und Empathie für den Kunden besitzen, da nur diese in der Lage sind, komplexe Enterprise-Implementierungen zu steuern.